Làm thế nào để tập hợp ngẫu nhiên dữ liệu với dplyr?

Question

Tôi gặp sự cố với chức năng dplyrsample_n. Im cố gắng trích xuất ngẫu nhiên các tập con từ data.frame nhưng không thành công. Bởi vì sample_n chỉ trích xuất các hàng ngẫu nhiên.

Dưới đây là một số ví dụ minh họa cách trích xuất các hàng ngẫu nhiên từ mỗi tập hợp con.

sample-rows-of-subgroups-from-dataframe-with-dplyr

selecting-n-random-rows-across-all-levels-of-a-factor-within-a-dataframe

Đây không phải là những gì tôi muốn. Tôi muốn trích xuất các nhóm ngẫu nhiên từ một khung dữ liệu không phải các hàng ngẫu nhiên từ mỗi tập hợp con.

Ví dụ,

xx <- rep(rep(seq(0,800,200),each=10),times=2) 
     yy<-c(replicate(2,sort(10^runif(10,-1,0),decreasing=TRUE)),replicate(2,sort(10^runif(10,-1,0),decreasing=TRUE)), replicate(2,sort(10^runif(10,-2,0),decreasing=TRUE)),replicate(2,sort(10^runif(10,-3,0),decreasing=TRUE)), replicate(2,sort(10^runif(10,-4,0), decreasing=TRUE)))  
     V <- rep(seq(100,2500,length.out=10),times=2) 
     No <- rep(1:10,each=10) 
     df <- data.frame(V,xx,yy,No) 
library(dplyr) 
    random <- df %>% 
      group_by(No)%>% 
     sample_n(5,replace=T) ## This part is the problem. 

Ví dụ làm thế nào để trích xuất một cách ngẫu nhiên 3 tập con với tất cả các hàng của họ giữ?

   V xx   yy No 
    1 100.0000 0 0.9877468589 1 
    2 366.6667 0 0.6658268649 1 
    3 633.3333 0 0.4408336374 1 
    4 900.0000 0 0.4136939054 1 
    5 1166.6667 0 0.4104986026 1 
    6 1433.3333 0 0.3899468530 1 
    7 1700.0000 0 0.3042157845 1 
    8 1966.6667 0 0.1585948347 1 
    9 2233.3333 0 0.1307305044 1 
    10 2500.0000 0 0.1079459480 1 
    11 100.0000 200 0.7437972385 2 
    12 366.6667 200 0.7130753133 2 
    13 633.3333 200 0.6000577122 2 
    14 900.0000 200 0.5038569759 2 
    15 1166.6667 200 0.3740146819 2 
    16 1433.3333 200 0.3605675251 2 
    17 1700.0000 200 0.1821736571 2 
    18 1966.6667 200 0.1542015388 2 
    19 2233.3333 200 0.1453810015 2 
    20 2500.0000 200 0.1142553452 2 
    21 100.0000 400 0.9712414163 3 
    22 366.6667 400 0.5420861908 3 
    23 633.3333 400 0.4622129942 3 
    24 900.0000 400 0.3634606046 3 
    25 1166.6667 400 0.3541710297 3 
    26 1433.3333 400 0.3451167353 3 
    27 1700.0000 400 0.2413016960 3 
    28 1966.6667 400 0.2356020402 3 
    29 2233.3333 400 0.2054358298 3 
    30 2500.0000 400 0.1132074106 3 
    31 100.0000 600 0.9220690387 4 
    32 366.6667 600 0.8772938566 4 
    33 633.3333 600 0.7560569362 4 
    34 900.0000 600 0.5395093190 4 
    35 1166.6667 600 0.3696490756 4 
    36 1433.3333 600 0.1585255169 4 
    37 1700.0000 600 0.1425756544 4 
    38 1966.6667 600 0.1135199782 4 
    39 2233.3333 600 0.1061660399 4 
    40 2500.0000 600 0.1052644706 4 
    41 100.0000 800 0.6175240054 5 
    42 366.6667 800 0.5527556076 5 
    43 633.3333 800 0.4339775258 5 
    44 900.0000 800 0.2462104866 5 
    45 1166.6667 800 0.1955550477 5 
    46 1433.3333 800 0.1701907232 5 
    47 1700.0000 800 0.0824833313 5 
    48 1966.6667 800 0.0483463760 5 
    49 2233.3333 800 0.0246629341 5 
    50 2500.0000 800 0.0186177562 5 
    51 100.0000 0 0.8977179587 6 
    52 366.6667 0 0.8087930175 6 
    53 633.3333 0 0.5547978713 6 
    54 900.0000 0 0.4395436341 6 
    55 1166.6667 0 0.2972449261 6 
    56 1433.3333 0 0.0925262903 6 
    57 1700.0000 0 0.0665688788 6 
    58 1966.6667 0 0.0309263319 6 
    59 2233.3333 0 0.0238500731 6 
    60 2500.0000 0 0.0213679919 6 
    61 100.0000 200 0.7777420232 7 
    62 366.6667 200 0.2299083233 7 
    63 633.3333 200 0.0611370244 7 
    64 900.0000 200 0.0228982941 7 
    65 1166.6667 200 0.0150085546 7 
    66 1433.3333 200 0.0076922035 7 
    67 1700.0000 200 0.0066120335 7 
    68 1966.6667 200 0.0062052827 7 
    69 2233.3333 200 0.0037895910 7 
    70 2500.0000 200 0.0011051211 7 
    71 100.0000 400 0.3829786486 8 
    72 366.6667 400 0.1901274442 8 
    73 633.3333 400 0.1775864007 8 
    74 900.0000 400 0.0567928196 8 
    75 1166.6667 400 0.0414294193 8 
    76 1433.3333 400 0.0127875497 8 
    77 1700.0000 400 0.0105576089 8 
    78 1966.6667 400 0.0051503839 8 
    79 2233.3333 400 0.0035216836 8 
    80 2500.0000 400 0.0
    81 100.0000 600 0.0370072219 9 
    82 366.6667 600 0.0297765049 9 
    83 633.3333 600 0.0219866835 9 
    84 900.0000 600 0.0140510807 9 
    85 1166.6667 600 0.0021593963 9 
    86 1433.3333 600 0.0018936887 9 
    87 1700.0000 600 0.0017860546 9 
    88 1966.6667 600 0.0001551491 9 
    89 2233.3333 600 0.0001345905 9 
    90 2500.0000 600 0.0001048041 9 
    91 100.0000 800 0.7343220323 10 
    92 366.6667 800 0.1653557177 10 
    93 633.3333 800 0.1006331452 10 
    94 900.0000 800 0.0083407709 10 
    95 1166.6667 800 0.0043037301 10 
    96 1433.3333 800 0.0032461136 10 
    97 1700.0000 800 0.0015843809 10 
    98 1966.6667 800 0.0004819055 10 
    99 2233.3333 800 0.0002991639 10 
    100 2500.0000 800 0.0001447263 10 

Answer 1

Có lẽ đây là những gì bạn đang sau:

# sample from distinct values of No 
my_groups <- 
    df %>% 
    select(No) %>% 
    distinct %>% 
    sample_n(5) 

# merge the two datasets 
my_df <- 
    left_join(my_groups, df)